Ingenieria_Economica_6ta_Edicion_Leland
Ing economica
Ing economica
720 CAPÍTULO 19 Más sobre variaciones y toma de decisiones bajo riesgoAntes de continuar con el análisis de simulación en ingeniería económica, seríade interés resumir las relaciones de valor esperado y de desviación estándar parauna variable continua, puesto que las ecuaciones [19.8] a [19.12] consideransolamente variables discretas. Las diferencias principales estriban en que el símbolode suma se reemplaza por la integral sobre el rango definido de la variable, el cualse identifica como R, y en que P(X) se reemplaza por el elemento diferencial f(X)dX.Para una distribución de probabilidad continua determinada f(X), las fórmulas sonValor esperado: [19.15]Varianza: [19.16]Para un ejemplo numérico, utilice nuevamente la distribución uniforme del ejemplo19.3 (figura 19.4) sobre el rango R desde $10 hasta $15. Si se identifica lavariable como X, en lugar de C 1 , lo siguiente es correcto.1f( X) = = 0. 2 $ 10 ≤ X ≤$155∫2EX ( ) = X( 0. 2) dX= 0. 1X= 0. 1( 225 − 100) = $ 12.5R2 2 02 . 315Var( X) = ∫ X ( 0. 2) dX – ( 12. 5)= X –( 12. 5)R103= 0. 06667( 3 375 −1 000) − 156. 25 = 2.08σ = 208 . = $ 144 .Por consiguiente, la distribución uniforme entre L = $10 y H = $15 tiene un valoresperado de $12.5 (el punto medio del rango, como se esperaba), y una desviaciónestándar de $1.44.Ejemplo adicional 19.10.1510219.5 MUESTREO DE MONTE CARLO Y ANÁLISISMEDIANTE SIMULACIÓNHasta aquí, todas las decisiones sobre alternativas se han tomado usando estimacionescon certidumbre, seguidas posiblemente de alguna prueba de la decisión a través deun análisis de sensibilidad o de valores esperados. En esta sección se utilizará unenfoque de simulación que incorpore el material de las secciones anteriores, parafacilitar la decisión de ingeniería económica sobre una alternativa o entre dos o másalternativas.La técnica de muestreo aleatorio analizada en la sección 19.3 se denominamuestreo de Monte Carlo. El procedimiento general que se indica a continuaciónwww.FreeLibros.me
SECCIÓN 19.5 Muestreo de Monte Carlo y análisis mediante simulación 721utiliza el muestreo de Monte Carlo para obtener muestras de tamaño n para parámetrosseleccionados de alternativas formuladas. Dichos parámetros, que se esperavaríen de acuerdo con una distribución de probabilidad establecida, garantizan latoma de decisiones bajo riesgo. Todos los demás parámetros en una alternativa seconsideran en certidumbre, es decir, se conocen o pueden estimarse con precisiónsuficiente para considerarlos en certidumbre. Un supuesto importante se hace, generalmentesin darse cuenta.Todos los parámetros son independientes, es decir, la distribución de unavariable no afecta el valor de ninguna otra variable de la alternativa. Aeste hecho se hace referencia como la propiedad de las variables aleatoriasindependientes.El enfoque de simulación aplicado al análisis de ingeniería económica se resumeen los siguientes pasos básicos.Paso 1: Formulación de alternativa(s). Prepare cada alternativa en la forma que seva a considerar, utilizando el análisis de ingeniería económica, y seleccione lamedida de valor sobre la cual se basará la decisión. Determine la forma de la(s)relación(es) para calcular la medida de valor.Paso 2: Parámetros con variación. Seleccione los parámetros en cada alternativa quese considerarán como variables aleatorias. Estime los valores de todos los demásparámetros (en certidumbre) para el análisis.Paso 3: Determinación de las distribuciones de probabilidad. Determine si cadavariable es discreta o continua, y describa una distribución de probabilidad paracada variable en cada alternativa. En lo posible, utilice distribuciones estándarcon la finalidad de simplificar el proceso de muestreo y prepararse para la simulaciónen la computadora.Paso 4: Muestreo aleatorio. Incorpore el procedimiento de muestreo aleatorio de lasección 19.3 (los primeros cuatro pasos) en este procedimiento, lo cual resultaen una distribución acumulativa, la asignación de NA, la selección de NA y unamuestra de tamaño n para cada variable.Paso 5: Cálculo de la medida de valor. Calcule n valores de la medida de valor seleccionadade la(s) relación(es) determinada(s) en el paso 1. Utilice las estimacioneshechas bajo certidumbre y los n valores de la muestra para los parámetrosvariables. (En este paso se aplica realmente la propiedad de las variables aleatoriasindependientes.)Paso 6: Descripción de la medida de valor. Construya la distribución de probabilidadde la medida de valor utilizando entre 10 y 20 celdas de información y calculemedidas tales como – X, s, – X ± ts y las probabilidades relevantes.Paso 7: Conclusiones. Formule conclusiones sobre cada alternativa y decida cuál debeelegirse. Si la(s) alternativa(s) se ha(n) evaluado anteriormente bajo el supuestode certidumbre para todos los parámetros, la comparación de resultados puedeayudar a determinar la decisión final.El ejemplo 19.7 ilustra este procedimiento utilizando un análisis de simulaciónmanual abreviado, y el ejemplo 19.8 utiliza la simulación en hoja de cálculo paralos mismos estimados.www.FreeLibros.me
- Page 695 and 696: SECCIÓN 18.1 Determinación de la
- Page 697 and 698: SECCIÓN 18.2 Análisis de sensibil
- Page 699 and 700: SECCIÓN 18.4 Cálculos de valor es
- Page 701 and 702: SECCIÓN 18.4 Cálculos de valor es
- Page 703 and 704: SECCIÓN 18.5 Evaluación de altern
- Page 705 and 706: SECCIÓN 18.5 Evaluación de altern
- Page 707 and 708: PROBLEMAS 6813. Elija el valor mayo
- Page 709 and 710: PROBLEMAS 683presente gráficamente
- Page 711 and 712: PROBLEMAS 685de inmersión siempre
- Page 713 and 714: PROBLEMAS 687Flujo de efectivo anua
- Page 715 and 716: PROBLEMAS 689mado para los años 4
- Page 717 and 718: ESTUDIO DE CASO 691ESTUDIO DE CASOA
- Page 719 and 720: ESTUDIO DE CASO 693Costo de operaci
- Page 721 and 722: www.FreeLibros.me
- Page 723 and 724: OBJETIVOS DE APRENDIZAJEObjetivo ge
- Page 725 and 726: SECCIÓN 19.1 Interpretación de ce
- Page 727 and 728: SECCIÓN 19.1 Interpretación de ce
- Page 729 and 730: SECCIÓN 19.2 Elementos importantes
- Page 731 and 732: SECCIÓN 19.2 Elementos importantes
- Page 733 and 734: SECCIÓN 19.2 Elementos importantes
- Page 735 and 736: SECCIÓN 19.3 Muestras aleatorias 7
- Page 737 and 738: SECCIÓN 19.3 Muestras aleatorias 7
- Page 739 and 740: SECCIÓN 19.3 Muestras aleatorias 7
- Page 741 and 742: SECCIÓN 19.4 Valor esperado y desv
- Page 743 and 744: SECCIÓN 19.4 Valor esperado y desv
- Page 745: SECCIÓN 19.4 Valor esperado y desv
- Page 749 and 750: SECCIÓN 19.5 Muestreo de Monte Car
- Page 751 and 752: SECCIÓN 19.5 Muestreo de Monte Car
- Page 753 and 754: SECCIÓN 19.5 Muestreo de Monte Car
- Page 755 and 756: SECCIÓN 19.5 Muestreo de Monte Car
- Page 757 and 758: EJEMPLOS ADICIONALES 731c) P(C 1
- Page 759 and 760: EJEMPLOS ADICIONALES 733f(X) 1 2 3
- Page 761 and 762: PROBLEMAS 735Si se considera ésta
- Page 763 and 764: PROBLEMAS 737meses es la menor vida
- Page 765 and 766: PROBLEMAS 739c) Desarrolle una dist
- Page 767 and 768: EJERCICIO AMPLIADO 741AlternativaPa
- Page 769 and 770: SECCIÓN A.1 Introducción al uso d
- Page 771 and 772: SECCIÓN A.1 Introducción al uso d
- Page 773 and 774: SECCIÓN A.2 Organización (distrib
- Page 775 and 776: SECCIÓN A.3 Funciones de Excel imp
- Page 777 and 778: SECCIÓN A.3 Funciones de Excel imp
- Page 779 and 780: SECCIÓN A.3 Funciones de Excel imp
- Page 781 and 782: SECCIÓN A.3 Funciones de Excel imp
- Page 783 and 784: SECCIÓN A.3 Funciones de Excel imp
- Page 785 and 786: SECCIÓN A.4 SOLVER: una herramient
- Page 787 and 788: SECCIÓN A.5 Lista de las funciones
- Page 789 and 790: SECCIÓN A.6 Mensajes de error 763R
- Page 791 and 792: SECCIÓN B.1 Balance general 765TAB
- Page 793 and 794: SECCIÓN B.3 Razones financieras 76
- Page 795 and 796: SECCIÓN B.3 Razones financieras 76
720 CAPÍTULO 19 Más sobre variaciones y toma de decisiones bajo riesgo
Antes de continuar con el análisis de simulación en ingeniería económica, sería
de interés resumir las relaciones de valor esperado y de desviación estándar para
una variable continua, puesto que las ecuaciones [19.8] a [19.12] consideran
solamente variables discretas. Las diferencias principales estriban en que el símbolo
de suma se reemplaza por la integral sobre el rango definido de la variable, el cual
se identifica como R, y en que P(X) se reemplaza por el elemento diferencial f(X)dX.
Para una distribución de probabilidad continua determinada f(X), las fórmulas son
Valor esperado: [19.15]
Varianza: [19.16]
Para un ejemplo numérico, utilice nuevamente la distribución uniforme del ejemplo
19.3 (figura 19.4) sobre el rango R desde $10 hasta $15. Si se identifica la
variable como X, en lugar de C 1 , lo siguiente es correcto.
1
f( X) = = 0. 2 $ 10 ≤ X ≤$
15
5
∫
2
EX ( ) = X( 0. 2) dX= 0. 1X
= 0. 1( 225 − 100) = $ 12.
5
R
2 2 02 . 3
15
Var( X) = ∫ X ( 0. 2) dX – ( 12. 5)
= X –( 12. 5)
R
10
3
= 0. 06667( 3 375 −1 000) − 156. 25 = 2.
08
σ = 208 . = $ 144 .
Por consiguiente, la distribución uniforme entre L = $10 y H = $15 tiene un valor
esperado de $12.5 (el punto medio del rango, como se esperaba), y una desviación
estándar de $1.44.
Ejemplo adicional 19.10.
15
10
2
19.5 MUESTREO DE MONTE CARLO Y ANÁLISIS
MEDIANTE SIMULACIÓN
Hasta aquí, todas las decisiones sobre alternativas se han tomado usando estimaciones
con certidumbre, seguidas posiblemente de alguna prueba de la decisión a través de
un análisis de sensibilidad o de valores esperados. En esta sección se utilizará un
enfoque de simulación que incorpore el material de las secciones anteriores, para
facilitar la decisión de ingeniería económica sobre una alternativa o entre dos o más
alternativas.
La técnica de muestreo aleatorio analizada en la sección 19.3 se denomina
muestreo de Monte Carlo. El procedimiento general que se indica a continuación
www.FreeLibros.me